接手别人搭的服务器,先查什么?招不起运维的创始人/PM 自救手册

作者: OpsMate 团队
更新于
基于 OpsMate 实机排查整理;命令请在你有权限的服务器上执行,路径与服务名按环境替换。

接手别人搭的服务器,第一件事是查清上面跑着什么,并写成一页清单——不要先改配置。产品有了第一批用户,外包或前同事已离开,交接只剩 IP 和密码;日志位置、证书到期、出事找谁都不清楚,又招不起全职运维。本文给创始人、PM 或「顺便管服务器」的开发者:一小时盘点 → 每周 10 分钟只读检查 → 事先想好升级找谁。

盘点要花多久,取决于机器数量、交接资料和你能不能登录。上文的“一小时盘点”和“每周 10 分钟只读检查”是小团队常见的起步安排,不是每套环境都能按时做完的承诺。

小公司请不起专职运维,可以分三档:自己按清单每周花约 10 分钟做只读检查;关键时刻按次找外包;或者把应用放到托管平台。多数一两台服务器的团队,先做到「东西归谁清楚、站外有监控、出事有升级路径」,再按需要买外包。这三件事能覆盖不少常见事故,但不能代替下面「什么情况一定要找人」里的那些决定。

本文讲的是“接手之后怎么活下来”。如果你想知道上线后应该监控哪些指标,请看 小团队 VPS 监控清单。以下命令适用于常见 Linux VPS,全部是只读的;看不懂输出也没关系,先原样复制保存,再对照下文的解释。

先分清:接手的是什么环境,处在哪个阶段

本文面向已经获授权的接手者。下面的命令适用于常见 Linux 主机,不直接管理交换机、存储阵列或虚拟化控制面。先确认环境和阶段,再决定查到哪一层。

接手环境除主机内服务外,先拿到什么怎样确认交接有用不要据此下结论
云服务器公司云账号的管理人、实例与所在区域、账单归属;公网入口、安全组、快照及托管服务的位置在授权控制台对上实例与业务,并确认谁能处理续费和紧急访问能 SSH 登录,不等于能控制云账号;有快照不等于业务已经能恢复
自有机房或托管物理机设备和机柜位置、资产编号、机房联系人;带外管理、网络设备和存储的负责人把业务用的地址对应到实际主机与上联设备;确认系统无法启动时找谁处理Linux 内检查正常,不等于电源、磁盘硬件、交换机或冗余链路正常
云与机房混合两端各自的控制权,以及 VPN、专线、DNS、身份认证和备份的跨环境依赖选一条业务请求路径,逐段标注入口、应用、数据库和外部依赖,由对应负责人核对单台服务器正常,不等于跨环境访问正常;不要为试连通直接修改生产路由或防火墙

还没交接:先拿资料,不急着改配置

请交接人提供主机和业务清单、部署入口、账号归属,以及备份位置。密码通过公司的密码管理工具交接,不放在清单里。每项注明接收人和核对结果;拿不到的标成“未取得”,不要把口头承诺记成已经验证。

如果只有 IP 和 SSH 密码,云账号或机房管理权还在对方手上,先联系公司账号负责人。后面的主机命令补不回云账号所有权,也不能代替机房授权。

刚接手:先做基线,再安排权限和变更

按下文盘点业务与服务,把域名、端口、进程和数据库对应起来;记录哪些输出已经核对、哪些只是推测。对离职人员的权限,按 收回服务器权限的顺序 处理,保留经过测试的自己的登录方式,避免直接改密码把自己锁在外面。

已经宕机或怀疑被入侵时,先处理事件。分别查看 网站打不开时的排查顺序 和 可疑登录排查,不要把日常接手盘点当成应急处置。

业务稳定后:把盘点结果变成持续维护安排

给每项业务确认负责人、检查频率和升级联系人。按 小团队 VPS 监控清单 补充告警安排;备份恢复在隔离环境演练,不直接覆盖生产数据。发生部署、账号或网络变更后,更新这份清单。

使用条件:哪些能自己查,哪些需要其他人

1. 先确认“东西归谁”,再碰服务器

很多小团队出事,不是因为命令敲错,而是关键时刻找不到账号。先把下面这张表填出来,只记录在哪里、归谁,不要把密码和密钥本身写进表里:

项目在哪里登录账号归谁谁能改到期 / 续费
云服务器账号(含付款方式)
域名注册商与 DNS
HTTPS 证书
代码仓库与部署方式
数据库与备份存放位置
第三方服务密钥(邮件、支付、短信等)
用户长期访问密钥(与角色临时凭证分开记)
供应商信任,以及你们自己的生产角色(分开记)
用个人邮箱注册的 SaaS,含域名续费邮箱

2. 盘点这台机器:上面到底跑着什么

系统和资源:

cat /etc/os-release
uname -r
uptime
nproc
free -h
df -h

这告诉你系统版本、内核、已运行多久、几核 CPU、多少内存和磁盘。它不能说明这些资源够不够用,那要看一段时间内的趋势。

正在运行的服务和监听端口:

systemctl list-units --type=service --state=running --no-pager
sudo ss -ltnp

容器和其他进程管理方式:

docker ps --format 'table {{.Names}}\t{{.Image}}\t{{.Status}}\t{{.Ports}}'
docker compose ls
pm2 list

网站入口(Nginx):

ls -l /etc/nginx/sites-enabled/ /etc/nginx/conf.d/ 2>/dev/null
sudo nginx -T 2>/dev/null | grep -E '^\s*(server_name|listen|proxy_pass|root)\s'

nginx -T 会输出完整的生效配置,这里只筛出域名、端口、转发目标和静态目录,帮你把“哪个域名 → 哪个端口 → 哪个服务”连起来。分享完整配置前要检查里面有没有内部地址或凭证。

定时任务和备份:

crontab -l
sudo crontab -l
ls -l /etc/cron.d/
systemctl list-timers --no-pager
sudo grep -rIl -E 'backup|dump|rsync|restic|borg' /etc/cron* /var/spool/cron 2>/dev/null

任务显示成功,只说明那次命令退出码是 0。本文没有恢复命令,也没有一份已经做成的演练记录,不能把退出码写成恢复成功。演练只能在非生产、并且账号和网络都与生产分开的测试主机、容器或云实例上进行,恢复到那台机器自己的数据库和磁盘。空目录只是这台隔离机器里面的目标路径,它本身不是隔离。不要覆盖生产路径,也不要改原备份。

在测试副本里,启动恢复出来的应用或任务之前,先从这份副本的配置里去掉或换掉会用到的生产数据库口令、.env、邮件和支付 API 密钥、云凭证,改用测试身份。不要从生产实例的身份或挂载里读取生产凭证。网络阻断仍然单独做:拦住测试环境访问生产和真实外部服务,不因为已经换了凭证就放开。只改测试副本,不改原始备份,也不轮换生产上正在使用的密钥。先关掉副本上会发信、调用支付或连回生产的任务。不要为了演练去停生产上的任务。核对你事先写好的一项结果。留下时间、备份标识、隔离环境、核对结果。结束时只删除你确认过的演练副本,原备份留着。OpsMate 不会自动做备份,也不会自动恢复。

证书:

sudo certbot certificates

在你自己的电脑上也可以直接查线上证书的到期时间(把 example.com 换成你的域名):

echo | openssl s_client -connect example.com:443 -servername example.com 2>/dev/null | openssl x509 -noout -enddate -issuer

certbot certificates 只在服务器用 certbot 管证书时有结果;证书也可能由 CDN 或负载均衡管理,那就要去对应的控制台看。

续过了,浏览器仍说过期

上面的命令只看公网终点送出的叶证到期日。文件上的 notAfter 比公网新,不能单独证明进程还在用旧证。CDN 和源站、不同节点,本来就可以用不同的证。要怀疑未加载,得先齐这些:同一域名和 SNI、同一终止层、同一节点、以及该域名那个 server { } 块里的 ssl_certificate 路径。然后比叶证序列号和 SHA-256 指纹,再对照当前时间看有效期。缺一项就写未确认。不要因此强制续期或重载。*.example.com 只覆盖一层子域。-checkhost 只核名字,不是完整链。s_client 的打印也不证明信任或吊销。超时、报错、空白都是未确认。普通 shell 里 pipe_status 为 0,只表示管道末端的 x509 退出成功,不表示 TLS 握手、信任链或超时检查通过。

在终止 TLS 的机器上,sudo nginx -T 是磁盘配置。把匹配块里的路径代进 PATH_FROM_THE_MATCHING_SERVER_BLOCK。不要用固定的示例路径冒充。timer 的 enabled、退出结果和续期日志只是线索。没有 certbot.timer 可能是 snap、cron 或其他客户端。输出先脱敏。逐步命令见 网站突然打不开不懂服务器。

sudo nginx -T
sudo certbot certificates
systemctl is-enabled certbot.timer
systemctl show certbot.timer -p ActiveState -p UnitFileState -p Result --no-pager
systemctl show certbot.service -p ActiveState -p Result -p ExecMainStatus --no-pager
sudo journalctl -u certbot.service -n 40 --no-pager
sudo ls -l /etc/letsencrypt/renewal-hooks/deploy /etc/letsencrypt/renewal-hooks/post
sudo openssl x509 -in PATH_FROM_THE_MATCHING_SERVER_BLOCK -noout -subject -issuer -serial -fingerprint -sha256 -dates -ext subjectAltName
sudo openssl x509 -in PATH_FROM_THE_MATCHING_SERVER_BLOCK -noout -checkhost example.com

域名续费邮件还在已离开的人的邮箱,写在上面表格的注册商和证书行。OpsMate 不会自动续证书,也不能登录注册商。

谁能登录这台机器:

awk -F: '$3 >= 1000 && $3 < 65534 {print $1}' /etc/passwd
getent group sudo wheel
sudo find /root /home -name authorized_keys -exec wc -l {} \;

列出普通用户、有 sudo 权限的人,以及每个 authorized_keys 里大约有几把公钥(通常一行一把)。已经离开的人的账号和公钥,先记进清单,它们是需要你决定是否收回的第一批东西。按什么顺序收回才不会把自己锁在门外,见 外包或前员工走了,服务器权限怎么收回? 。

3. 把结果写成一页清单

每个服务一行就够了:

服务怎么运行(systemd / Docker / PM2)端口配置在哪日志在哪怎么重启谁最懂它

写不出来的格子,就是下次出事时最可能卡住的地方。优先把它们补上,或者问清楚当初搭建的人。

4. 每周 10 分钟的只读检查

uptime
free -h
df -h
df -i
systemctl --failed --no-pager
docker ps -a --format 'table {{.Names}}\t{{.Status}}'

再看一眼:最近一次备份是什么时候、证书还有多久到期。更完整的检查项和告警安排参见 小团队 VPS 监控清单。人不在电脑前时,可以用巡检加 Telegram 告警先收到通知。只收 Telegram 告警不需要把凭证存到云端;想直接从 Telegram 远程 SSH 排障,才需要把该服务器的凭证托管到云端,见 用 Telegram 收服务器告警。

告警里的数字是什么意思

数字是什么什么时候要紧先看哪条命令
load(负载)正在运行和排队等待 CPU/磁盘的任务数,uptime 里的三个数分别是 1、5、15 分钟平均持续明显高于 CPU 核数,同时用户感觉变慢;短暂冲高通常不要紧uptime、nproc
内存 %已用内存占比。Linux 会把空闲内存拿来做缓存,所以这个数经常偏高看 available 是否持续很低、swap 是否在增长,或内核日志里出现进程被杀free -h
磁盘 %某个分区已用的容量接近 100% 时写入会失败,数据库和日志最先出问题;增长速度比绝对值更重要df -h
inode %文件“个数”的额度,和容量是两回事到 100% 时即使还有空间也建不了新文件,常见于大量小文件df -i

没有适用于所有服务器的固定阈值,要和这台机器平时的数值比较。磁盘或 inode 告警时,先按 磁盘占用突然飙升 分流,不要急着删文件。

自救、外包代维、托管平台怎么选

对照的是适合谁、要会什么、风险和费用口径。费用栏不写市价,一律写「按报价」:以对方当时的报价为准,本文不列数字。

适合谁要会什么风险费用
自己按清单检查一两台服务器,创始人或开发能每周看一眼会复制本文的只读命令,能分辨服务在不在跑入侵、数据恢复、改网络和付款账号仍可能处理不了按报价
按次外包代维平时自己看,出事需要有人接手能把清单和日志交给对方对方走了,你仍可能不了解这台机器;给出去的权限要能收回按报价
托管平台不想自己管进程、证书和机器会在平台上发布应用平台边界之外的机器和数据,仍要自己弄清归谁按报价

什么情况一定要找人

这些情况先把只读输出保存下来再联系人。自救清单不能代替上面这些决定。

5. 出事时的升级路径

  1. 先收证据:按 凌晨两点网站打不开 的顺序跑一遍只读检查,把输出保存下来。有证据的求助,别人才帮得快。
  2. 再找人:事先存好当初搭建者、可以按次付费的外包或顾问、云厂商工单入口的联系方式。
  3. 临时给权限要可收回:给外部帮手单独的账号和密钥,不要给共享的 root 密码;结束后删除他的公钥、禁用账号,并轮换他接触过的密钥。有人离开时怎么收回,见 外包或前员工走了,服务器权限怎么收回? 。
  4. 怀疑被入侵:不要自己先删东西,参见 服务器被入侵了吗?。

常见问题

小公司没钱请运维,服务器出问题怎么办?

招不起全职运维,不等于只能等挂了再花钱救火。小公司常见四条路:养一个人、按月买外包、装云面板、以及「自己先攒证据 + 按次找人」。前三条各有位置;第四条往往被搜索结果里的「月费托管」挤掉。没有永远不用人的选项——关键是别把「装了面板」当成「运维问题消失了」。

路径适合什么优势常见坑
全职运维多台机、要值班/合规人在、上下文在成本高;招到之前仍有空窗
月费外包 / IT 托管愿意固定预算换响应有人接电话交接黑洞;对方走了你仍不懂机器
云面板(宝塔 / 1Panel 等)主要痛点是装环境、可视化点选上手快、少敲命令不自动解决半夜取证、权限收回、备份演练
自助巡检 + 按次顾问1~几台 VPS、创始人/开发兼管平时自己看状态;出事带着证据找人需要写清单、愿意每周看一眼

没钱请运维时,先做这三件便宜的事

  1. 写一页清单(服务怎么跑、端口、备份在哪、谁能登录)——不会命令也能先填「云账号归谁、域名归谁」。盘点顺序见本文上文;总答也可对照 我不会管理服务器怎么办。
  2. 外包或前同事走了先收云账号,再动 SSH;顺序反了容易把自己锁外面,见 收回服务器权限。
  3. 人不在电脑前时先收到通知:外部可用性探测 + 推到手机,比「挂了才有人喊」便宜。见 用 Telegram 收服务器告警。

半夜真打不开、又不会命令时:先换网、看控制台、记证据。不会 SSH 时先看短文 网站突然打不开不懂服务器,会登录的再按 凌晨排查顺序 接着做。自助巡检解决的是早发现、有证据、知道找谁——不替代架构决策,也不承诺「不用人改服务器」。

OpsMate 在这里能做什么

OpsMate 把 SSH 终端和 AI 放在同一个页面。盘点这一步,你可以把上面的命令一条条手敲进去;记不住命令时,也可以用自然语言问 AI,比如“看看这台机器上在跑哪些服务、监听哪些端口、有哪些定时任务,先别改任何东西”。AI 会提出排查命令,可以用 ps、df、ss、docker、journalctl 这类命令做检查。命令和输出都显示在终端里,由你自己阅读和核对。每次让 AI 帮忙看,终端里最近的输出都会一起发到云端 AI,敏感信息请先去掉。清单本身需要你来整理和维护,AI 只是帮你少记命令、看懂输出。

边界:

接手任务和产品能力怎么对应

接手中的任务使用方式仍需你或负责人完成的事
在 Linux 主机上盘点进程、端口与资源在同页 SSH 终端手动运行上文命令,或请 AI 辅助排查、解释输出核对权限和结果,把主机信息与真实业务对应起来
解释一段脱敏的错误或日志把问题和上下文交给 AI,检查回答依据是否来自当前环境判断证据是否充分;信息不足时继续收集,不把推测当根因
云账号、机房与混合网络交接用本文清单整理要向负责人索取的资料控制台操作、资产归属和跨环境依赖由有权限的人确认。产品不会自动发现全部云资产、带外管理口或全网设备
巡检告警巡检可以把异常推到已绑定的 Telegram 私聊。只收告警不需要把 SSH 凭证放到云端告警不是根因,也不是接手清单。从 Telegram 远程 SSH 才需要云端凭证
终端命令的执行记录经过安全检查后执行或拦截的终端命令可以写入操作审计:执行者、服务器、风险档、命令文本、状态和一段输出摘要这不是接手档案。摘要不是完整输出,也不能证明业务归属、备份可恢复或权限已经收回

提示词里写“先别改”或“等我确认”,只表示你这次希望先盘点。这不是独立的技术访问控制。命令会不会执行,以上面「OpsMate 在这里能做什么」里的现有口径和官网 常见问题 为准。

哪些情况本文和产品不能替你解决

怎样留下可复核的接手证据

每个结论至少记录检查时间、环境、执行人、命令或控制台来源、脱敏结果,以及尚未确认的部分。记录存放在公司授权的位置,不公开账号和完整配置。上面的环境表和这张表是交给接手人填写的清单,不是产品已经完成的功能。产品不会自动生成接手卷宗,也不会把云账号、机房或备份恢复的核对结果填进这些表。

想确认的事可保留的证据不能替代它的东西
域名实际落在哪个服务同一检查时段的入口配置、监听端口和对应进程;由业务负责人核对一张没有时点的架构图
备份能否恢复隔离环境恢复步骤、完成时间和业务验证结果只看到备份任务“成功”
离职人员权限是否已收回云账号与主机访问变更记录,以及自己的登录验证;注明未覆盖的系统只改一次 root 密码

下文的说明性示例不是客户案例,也不是可公开复核的接手实测。本页没有附上生产演练记录或客户成效数据。实际使用时,按上面的字段保存自己的检查记录。

说明性示例

说明性示例(不是真实客户案例):一位创始人接手了一台 4 GB 内存的 VPS。盘点发现:Nginx 把两个域名分别转发到 3000 和 3001 端口;docker compose ls 显示一个 Compose 项目,里面有 web、worker 和 postgres 三个容器;ss -ltnp 显示 postgres 的 5432 端口监听在 0.0.0.0;root 的 crontab 每天凌晨 3 点执行 pg_dump,备份文件写在同一块盘上,没有复制到别处;证书由 certbot 的 systemd timer 续期,还有 40 天到期;authorized_keys 里有 3 把公钥,其中 2 把没人能说清属于谁。清单上最需要优先处理的是:备份没有异地副本且从未演练恢复、数据库端口可能对外暴露、来历不明的公钥。这三件都是需要决定的变更(复制备份到别处、调整安全组或数据库监听、收回公钥),应该先评估影响、准备回退,再动手,必要时请专业的人一起做。

AI 排查提示词

我刚接手这台服务器,不清楚上面跑着什么。请先只做检查、不做任何改动,看看:系统版本和资源概况、正在运行的服务、监听端口及其对应进程、Docker 容器和 Compose 项目、Nginx 的域名与转发目标、定时任务和 systemd timer、可能的备份任务、证书到期时间,以及有哪些用户和 SSH 公钥。请整理成一份清单草稿,标出哪些是已确认的、哪些是推测、还缺什么信息。不要修改、删除或重启任何东西;如果发现需要处理的风险,先说明影响和回退方案,等我确认。

试用

每月免费 500 次 AI 调用;服务器数量不限。桌面端默认把 SSH 凭证保留在本机。

参考

需要帮助理解排查结果?

OpsMate(itops.sh)帮助开发者和运维人员用 AI 辅助排查,由你核对证据。每次让 AI 帮忙看,终端里最近的输出都会一起发到云端 AI,敏感信息请先去掉。

免费开始 本地凭证桌面端

排障指南